R中跨多列运行配对t检验：用宽格式实现还是先整理数据？

1. 宽格式是否可以直接运行多组配对t检验？ #

完全可以，不需要必须通过pivot_longer转换为长格式。
实现思路是预先匹配每个测试项的前后测列名，再通过purrr::map遍历所有配对列执行检验即可，参考代码如下：

library(tidyverse)
library(broom)

# 构造测试项前后列的配对列表
test_pairs <- list(
  TestA = c("PreScoreTestA", "PostScoreTestA"),
  TestB = c("PreScoreTestB", "PostScoreTestB"),
  TestC = c("PreScoreTestC", "PostScoreTestC")
)

# 遍历配对列表执行配对t检验，合并结果
results <- map_dfr(test_pairs, function(cols) {
  t.test(df[[cols[1]]], df[[cols[2]]], paired = TRUE) %>% tidy()
}, .id = "test_name")

如果你的测试项数量很多，也可以通过正则匹配自动生成配对列表，不需要手动逐个输入：

all_cols <- colnames(df)[-1] # 排除受试者ID列
test_names <- unique(str_extract(all_cols, "Test[A-Z]"))
test_pairs <- map(test_names, ~str_subset(all_cols, .x)) %>% set_names(test_names)

2. 为什么pairwise.t.test能正常运行，直接调用t.test报错？ #

核心原因是两个函数的参数设计和内部逻辑不同：

• pairwise.t.test会自动识别分组变量（你的代码里是time）的水平，先对数据按分组水平和受试者ID排序，再提取两组等长的观测做配对计算，本身就兼容长格式的分组结构
• 如果你直接在嵌套后的长数据里调用t.test报错，大概率是调用方式不对，只要保证time只有两个水平、每个受试者对应刚好两条记录，修改调用方式后也可以正常运行，参考修改后的代码：

results <- testb %>%
  pivot_longer(-Subject, 
               names_to = c("time", "test"), values_to = "score", 
               names_pattern = "(Pre|Post)(.*)") %>%
  group_by(test) %>% 
  nest() %>% 
  # 替换为t.test的正确调用方式
  mutate(ttests = map(.x=data, ~tidy(t.test(score ~ time, data = .x, paired = TRUE)))) %>%  
  unnest(ttests)

两种方案的选择建议 #

• 测试项数量少、临时快速分析的场景可以直接用宽格式方案，不需要调整数据结构
• 测试项数量多、后续还要做可视化等操作的场景更推荐转长格式，代码可维护性更高

内容的提问来源于stack exchange，提问作者TibialCuriosity